掘力計(jì)劃第24期 主題大語(yǔ)言模型應(yīng)用&實(shí)踐，講師都聊了啥？

　　2022年9月16日，“掘力計(jì)劃”第24期活動(dòng)在北京舉行，本期活動(dòng)的主題是“大語(yǔ)言模型應(yīng)用與實(shí)踐”。來(lái)自業(yè)內(nèi)的多位專家學(xué)者就大語(yǔ)言模型應(yīng)用中 LLM Ops、向量檢索構(gòu)建知識(shí)庫(kù)和圖對(duì)比學(xué)習(xí)等話題進(jìn)行了演講和技術(shù)分享。

　　視頻回放：https://juejin.cn/live/jpowermeetup24

　　一、大模型實(shí)踐中的 LLMOps 和 LLM Agent

　　白�？萍技夹g(shù)負(fù)責(zé)人劉喆老師詳細(xì)介紹了大模型實(shí)踐中 LLMOps 和 LLM Agent 的應(yīng)用。他首先指出，應(yīng)用之前必須明確目標(biāo)和指標(biāo)，設(shè)定問(wèn)題域，否則很難落地。當(dāng)前大模型應(yīng)用主要通過(guò) Prompt Engineering、量化微調(diào)、Lora 微調(diào)等技術(shù)進(jìn)行，但各有利弊。LLMOps 可以通過(guò)標(biāo)準(zhǔn)化、自動(dòng)化支撐模型應(yīng)用全流程，LLM Agent 則通過(guò)任務(wù)拆分實(shí)現(xiàn)復(fù)雜問(wèn)題的解決。但是數(shù)據(jù)獲取、計(jì)算資源、分布式環(huán)境、模型能力等方面都存在挑戰(zhàn)。未來(lái)仍需持續(xù)探索如何將 LLMOps和 LLM Agent 推向成熟，使大模型真正落地。

　　二、有道子曰大模型在教育領(lǐng)域的落地實(shí)踐

　　網(wǎng)易有道 AI 部門(mén)張廣勇老師重點(diǎn)介紹了有道子曰大模型在教育領(lǐng)域的落地應(yīng)用。他指出大模型落地面臨模型規(guī)模增長(zhǎng)、訓(xùn)練推理成本高昂以及應(yīng)用場(chǎng)景結(jié)合等挑戰(zhàn)。有道子曰采用了大小模型結(jié)合、云端和端側(cè)結(jié)合的模式進(jìn)行部署。已在翻譯、文檔問(wèn)答、口語(yǔ)教學(xué)等多個(gè)教育場(chǎng)景成功應(yīng)用，為用戶提供了優(yōu)質(zhì)的智能化學(xué)習(xí)體驗(yàn)。

　　三、利用向量檢索構(gòu)建知識(shí)庫(kù)

　　來(lái)自 Zilliz 的 Towhee 項(xiàng)目負(fù)責(zé)人陳將針對(duì)大語(yǔ)言模型的局限性，分享了利用向量檢索構(gòu)建知識(shí)庫(kù)進(jìn)行改進(jìn)的方法。他指出大模型缺乏專業(yè)知識(shí)、容易產(chǎn)生錯(cuò)誤信息等問(wèn)題�？梢酝ㄟ^(guò)向量數(shù)據(jù)庫(kù)構(gòu)建知識(shí)庫(kù)，生成提示詞與大語(yǔ)言模型相結(jié)合，來(lái)提升性能。相比模型微調(diào)，使用知識(shí)庫(kù)易于管理、準(zhǔn)確度高、可靈活優(yōu)化等。他還詳細(xì)介紹了 CVP 技術(shù)實(shí)現(xiàn)原理，以及如何使用開(kāi)源工具快速搭建一個(gè)增強(qiáng)問(wèn)答的示例系統(tǒng)。雖然工程難題仍多，但這為改進(jìn)大模型提供了新的思路。

　　四、大規(guī)模圖學(xué)習(xí)中的圖對(duì)比學(xué)習(xí)方法與應(yīng)用

　　中國(guó)人民大學(xué)劉勇教授作了題為《大規(guī)模圖學(xué)習(xí)中的圖對(duì)比學(xué)習(xí)方法與應(yīng)用》的演講，向與會(huì)者介紹了圖對(duì)比學(xué)習(xí)在大規(guī)模圖學(xué)習(xí)中的技術(shù)原理和應(yīng)用情況。

　　劉教授首先介紹了圖機(jī)器學(xué)習(xí)的發(fā)展背景和意義，以及圖對(duì)比學(xué)習(xí)作為其中的一種無(wú)監(jiān)督預(yù)訓(xùn)練方法。通過(guò)在輸入圖中進(jìn)行節(jié)點(diǎn)和邊的遮擋、刪除、采樣等操作構(gòu)造正負(fù)樣本，以得到有效的圖表征。圖對(duì)比學(xué)習(xí)在分子預(yù)測(cè)、社交網(wǎng)絡(luò)等領(lǐng)域已取得進(jìn)展。但理論分析表明，過(guò)度對(duì)齊也會(huì)損害泛化能力。因此需要在保持增強(qiáng)效果的前提下，降低對(duì)比學(xué)習(xí)目標(biāo)，以獲得更好的泛化性能。當(dāng)前的研究工作主要集中在尋找通用圖學(xué)習(xí)基準(zhǔn)、增強(qiáng)模型泛化能力等方面。

　　本次活動(dòng)涵蓋了超參數(shù)調(diào)優(yōu)、向量檢索、提示工程和圖對(duì)比學(xué)習(xí)等大語(yǔ)言模型應(yīng)用的核心技術(shù)，并結(jié)合實(shí)例詳細(xì)闡述了這些技術(shù)的工作原理、效果以及目前存在的問(wèn)題與挑戰(zhàn)。參會(huì)者均表示收獲頗豐，這充分體現(xiàn)了“掘力計(jì)劃”活動(dòng)連接學(xué)術(shù)與產(chǎn)業(yè)、促進(jìn)技術(shù)交流的價(jià)值。隨著工具和算法的進(jìn)一步成熟，相信大語(yǔ)言模型的應(yīng)用前景將更加廣闊。

　　掘力計(jì)劃

　　掘力計(jì)劃由稀土掘金技術(shù)社區(qū)發(fā)起，致力于打造一個(gè)高品質(zhì)的技術(shù)分享和交流的系列品牌。聚集國(guó)內(nèi)外頂尖的技術(shù)專家、開(kāi)發(fā)者和實(shí)踐者，通過(guò)線下沙龍、閉門(mén)會(huì)、公開(kāi)課等多種形式分享最前沿的技術(shù)動(dòng)態(tài)。